Amikor a vállalatok AI használati eseteket valósítanak meg, gyakran el kell dönteniük, hogyan csatlakoztassák adatforrásaikat az alkalmazott modellekhez. Különböző keretrendszerek, mint például a LangChain, elősegítik az adatbázis-integrációt, de a fejlesztőknek így is kódot kell írniuk minden alkalommal, amikor új adatforrásokhoz kapcsolják a modelleket. Az Anthropic ezt a megközelítést kívánja forradalmasítani az adatintegráció szabványának létrehozásával. Az Anthropic bemutatta a Model Context Protocolt (MCP) mint nyílt forráskódú megoldást, amely szabványosított módszert biztosít az adatforrások AI használati esetekhez való kapcsolására. A blogbejegyzésben a cég bejelentette, hogy az MCP "univerzális, nyílt szabványként" fog működni, amely lehetővé teszi az AI rendszerek különböző adatforrásokhoz való kapcsolódását. Az MCP célja, hogy modellek, például Claude, közvetlenül hozzáférjenek az adatbázisokhoz. Alex Albert, az Anthropic Claude Kapcsolatainak vezetője az X-en megemlítette, hogy a vállalat víziója "olyan világ felépítése, ahol az AI bármilyen adatforráshoz csatlakozik", miközben az MCP "univerzális fordítóként" szolgál. Az MCP egyik fő erőssége a képessége, hogy ugyanazon protokoll segítségével kezeljen helyi erőforrásokat (például adatbázisokat, fájlokat és szolgáltatásokat) és távoli erőforrásokat (mint a Slack vagy GitHub API-k). A szabványosított adatintegrációs módszer egyszerűsíti a fejlesztők számára, hogy a nagy nyelvi modelleket (LLM-eket) információhoz irányítsák, és enyhíti az adat-visszakeresési kihívásokat a mesterséges intelligencia ügynökök építése során. Mivel az MCP nyílt forráskódú, az Anthropic ösztönzi a közreműködéseket a csatolókon és implementációkon alapuló tárahoz. Jelenleg nincs univerzális szabvány az adatforrások modellekhez történő csatlakoztatására, így a vállalatok és szolgáltatók felelősek ezekért a döntésekért. A fejlesztők általában speciális Python kódot írnak, vagy a LangChain-t használják, hogy LLM-eket adatbázisokhoz csatlakoztassanak.

Mivel minden LLM kissé eltérően működik, külön kód szükséges minden csatlakozáshoz, ami töredezett modellekhez vezet, amelyek ugyanazokat az adatbázisokat érintik, de nem működnek zökkenőmentesen együtt. Néhány vállalat módosítja adatbázisait, hogy elősegítsék a vektorbeágyazások létrehozását, amelyekhez az LLM-ek csatlakozhatnak. Például a Microsoft az Azure SQL-t integrálja a Fabriccal, míg kisebb cégek, mint a Fastn, alternatív módszereket kínálnak az adatforrások csatlakoztatására. Az Anthropic azt reméli, hogy az MCP a Claude-on túlmutatóan elősegíti a modell- és adatforrás-interoperabilitást. "Az MCP egy nyílt szabvány, amely lehetővé teszi a fejlesztők számára, hogy biztonságos, kétirányú kapcsolatokat hozzanak létre adatforrásaik és AI-alapú eszközeik között. A beállítás egyszerű: a fejlesztők elérhetik adataikat MCP szerverek révén, vagy AI alkalmazásokat (MCP klienseket) fejleszthetnek, amelyek ezekhez a szerverekhez csatlakoznak" - áll az Anthropic blogbejegyzésében. Az MCP bejelentése pozitív visszajelzéseket kapott a közösségi médiában, különösen nyílt forráskódú megjelenése miatt, bár néhány felhasználó, például a Hacker News platformon, szkeptikus volt az MCP-hez hasonló szabvány értékével kapcsolatban. Jelenleg az MCP kizárólag a Claude modellek családjára vonatkozó szabvány. Mindazonáltal az Anthropic kiadott előre elkészített MCP szervereket a Google Drive, Slack, GitHub, Git, Postgres és Puppeteer számára. A VentureBeat további kommentárt kért az Anthropictól. Az MCP korai alkalmazói közé tartozik a Block és az Apollo. Olyan szolgáltatók, mint a Zed, Replit, Sourcegraph és Codeium, AI ügynököket fejlesztenek, amelyek az MCP segítségével gyűjtenek információt adatforrásokból. Az MCP iránt érdeklődő fejlesztők azonnal használatba vehetik a protokollt az előre elkészített MCP szerverek telepítésével a Claude asztali alkalmazás segítségével. A vállalatok saját MCP szervert is létrehozhatnak Python vagy TypeScript használatával.